Creo que estamos cometiendo un error al hablar de inteligencia artificial en las empresas. Estamos poniendo demasiado foco en qué herramienta utilizar, qué modelo es mejor, qué agente podemos construir o qué proceso podemos automatizar. Y creo que, dentro de unos años, todo eso será mucho menos importante de lo que pensamos.
La razón es bastante sencilla: la tecnología se va a democratizar a una velocidad enorme. Los mismos modelos estarán disponibles para prácticamente todas las empresas, las mismas APIs, herramientas cada vez más fáciles de utilizar y agentes capaces de hacer tareas que hoy todavía requieren bastante desarrollo. La barrera tecnológica para construir determinadas soluciones va a bajar muchísimo.
Los datos ya empiezan a demostrarlo. Según el AI Index de Stanford, el porcentaje de empresas que declaraban utilizar inteligencia artificial pasó del 55% en 2023 al 78% en 2024. En el caso de la IA generativa, pasó del 33% al 71% en un solo año. La adopción está creciendo a una velocidad extraordinaria.
Pero hay otro dato que me parece bastante más interesante. El estudio de McKinsey de 2025 señala que el 88% de las organizaciones encuestadas ya utiliza IA regularmente en al menos una función, pero solo alrededor de un tercio ha conseguido escalarla a nivel empresarial y únicamente el 39% afirma haber obtenido algún impacto en el EBIT de la compañía.
Es decir, tener IA no significa necesariamente crear valor con IA.
Y creo que aquí está una de las grandes diferencias que vamos a empezar a ver en los próximos años.
Muchas empresas están empezando el proceso por la tecnología. “Tenemos que poner un agente de IA en atención al cliente”. “Tenemos que utilizar IA en ventas”. “Tenemos que automatizar las facturas”. “Tenemos que poner un copiloto para nuestros empleados”. El problema es que, muchas veces, nadie se ha parado antes a entender realmente cómo funciona ese proceso.
Quién interviene. Qué información necesita cada persona. Qué sistemas utiliza. Dónde se producen los retrasos. Qué decisiones se toman. Cuáles son las excepciones. Qué tareas se hacen porque aportan valor y cuáles simplemente porque siempre se han hecho así.
Y para mí, ahí está el verdadero valor.
La IA no debería consistir únicamente en coger un proceso que ya existe y ponerle una herramienta encima. La oportunidad está en poder rediseñar el proceso teniendo en cuenta desde el principio qué puede hacer una persona y qué puede hacer una máquina.
Una empresa energética, por ejemplo, no necesita simplemente “un agente de IA”. Necesita entender cómo funciona su proceso de previsión de demanda, cómo gestiona las incidencias, cómo planifica el mantenimiento, cómo trabajan sus equipos de campo y cómo se toman las decisiones cuando las circunstancias cambian. Un hospital no necesita simplemente un chatbot. Necesita entender cómo funciona todo el recorrido de un paciente. Una aseguradora no necesita simplemente IA para leer documentos; necesita entender cómo funciona realmente un siniestro desde que entra hasta que se resuelve.
Y muchas veces el problema no está siquiera en una tarea concreta. Está en cómo se conectan todas las tareas entre sí.
Por eso creo que vamos a pasar de una primera etapa en la que las empresas preguntaban “¿qué puedo hacer con IA?” a otra mucho más interesante en la que empezarán a preguntar “¿cómo debería funcionar mi empresa si la IA estuviera integrada desde el principio?”.
La diferencia parece pequeña, pero no lo es.
No es lo mismo automatizar un proceso que rediseñar un proceso para trabajar con IA.
En el primer caso cogemos lo que ya existe y tratamos de hacerlo más rápido. En el segundo nos preguntamos si ese proceso tiene sentido tal y como está planteado, qué decisiones deberían seguir dependiendo de una persona, cuáles puede tomar una IA, qué información necesita, a qué sistemas debe tener acceso, cuándo debe pedir autorización y qué ocurre cuando no sabe qué hacer.
Y esto explica, en parte, por qué estamos viendo tanta diferencia entre la inversión en IA y los resultados que realmente están consiguiendo las empresas.
McKinsey lleva años señalando que una parte importante del valor de la IA no procede simplemente de aplicar un modelo a una tarea, sino de rediseñar los flujos de trabajo y las formas de trabajar alrededor de esa tecnología.
Para mí, esto cambia también el papel que tenemos quienes trabajamos en tecnología. Cada vez tiene menos sentido empezar un proyecto diciendo “vamos a hacer un agente de IA”. Prefiero empezar preguntando cómo funciona el negocio.
Dónde se pierde tiempo. Dónde se pierde dinero. Dónde existen cuellos de botella. Dónde se toman decisiones repetitivas. Dónde hay conocimiento crítico concentrado en determinadas personas. Dónde hay información repartida entre diferentes sistemas. Qué cosas se hacen miles de veces al año y cuáles requieren realmente criterio humano.
Y después de entender todo eso, decidir dónde tiene sentido utilizar IA.
Porque una mala decisión automatizada con IA sigue siendo una mala decisión. Un proceso innecesariamente complejo automatizado con IA sigue siendo innecesariamente complejo. Y una tarea que no aporta valor, aunque la hagamos diez veces más rápido, sigue sin aportar valor.
Creo que la tecnología va a hacer que construir herramientas de IA sea cada vez más fácil. Y precisamente por eso, entender bien el negocio va a ser cada vez más importante.
Si todos tenemos acceso a herramientas similares, la ventaja competitiva no estará necesariamente en quién tiene la mejor herramienta. Estará en quién conoce mejor sus procesos y sabe dónde aplicar esa tecnología para conseguir un resultado concreto.
Por eso, cada vez creo más que nuestro trabajo no consiste en llevar IA a las empresas. Consiste en entender primero la empresa y después decidir dónde la IA puede cambiar realmente las cosas.
La pregunta que deberíamos hacernos no es “¿qué podemos hacer con inteligencia artificial?”.
Es una bastante más incómoda:
Si mañana tuviéramos una IA capaz de ejecutar prácticamente cualquier tarea, ¿cómo diseñaríamos nuestra empresa?
Ahí creo que empieza de verdad la transformación.
